NumPy基础

什么是Numpy

NumPy(Numerical Python) 是科学计算基础库，提供大量科学计算相关功能，比如数据统计，随机数生成等。其提供最核心类型为多维数组类型（ndarray），支持大量的维度数组与矩阵运算，Numpy 支持向量处理 ndarray 对象，提高程序运算速度。

Numpy版本查看

import numpy as np
print(np.__version__)

Ndarray 对象

N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。ndarray 对象是用于存放同类型元素的多维数组。ndarray 中的每个元素在内存中都有相同存储大小的区域。

数组的创建

array 创建
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
参数说明：
object 数组或嵌套的数列
dtype 数组元素的数据类型，可选
copy 对象是否需要复制，可选
order 创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）
subok 默认返回一个与基类类型一致的数组
ndmin 指定生成数组的最小维度 此选项可用，但在python3.10中无法补全。

案例：

import numpy as np
a  = np.array([1,2,3],dtype=float,ndmin =2)
print(a)

结果：

C:\ProgramData\miniconda3\python.exe E:\pythonProject\test.py 
[[1. 2. 3.]]

NumPy 数组属性
NumPy 数组的维数称为秩（rank），秩就是轴的数量，即数组的维度，一维数组的秩为 1，二维数组的秩为 2
此处作为查阅：无需记忆
NumPy 的数组中比较重要 ndarray 对象属性有：
ndarray.ndim 秩，即轴的数量或维度的数量
ndarray.shape 数组的维度，对于矩阵，n 行 m 列
ndarray.size 数组元素的总个数，相当于 .shape 中 n*m 的值
ndarray.dtype ndarray 对象的元素类型
ndarray.itemsize ndarray 对象中每个元素的大小，以字节为单位
ndarray.flags ndarray 对象的内存信息
ndarray.real ndarray元素的实部
ndarray.imag ndarray 元素的虚部

案例：

import numpy as np
a = np.array([[1,2,3],[4,5,6]])
#打印数组的形状
print(a.shape)
print(a.size)
print(a.dtype)

结果：

C:\ProgramData\miniconda3\python.exe E:\pythonProject\test.py 
(2, 3)
6
int32
#此处打印的是数组形状  行 和 列的值

基于已有数据创建数组

numpy.asarray
numpy.asarray 类似 numpy.array，但 numpy.asarray 参数只有三个，比 numpy.array 少两个。

numpy.asarray(a, dtype = None, order = None)

参数说明：
a 任意形式的输入参数，可以是，列表, 列表的元组, 元组, 元组的元组, 元组的列表，多维数组
dtype 数据类型，可选
order 可选，有"C"和"F"两个选项,分别代表，行优先和列优先，在计算机内存中的存储元素的顺序。

案例：

import numpy as np

x = [(1,2,3),(4,5,6)]
print(type(x)) #此处是列表

a = np.asarray(x)

print(type(a)) #此处是ndarry

结果：

C:\ProgramData\miniconda3\python.exe E:\pythonProject\test.py 
<class 'list'>
<class 'numpy.ndarray'>

从数值范围创建数组

numpy.arange
使用 arange 函数创建数值范围并返回 ndarray 对象，函数格式如下：
numpy.arange(start, stop, step, dtype)
根据 start 与 stop 指定的范围以及 step 设定的步长，生成一个 ndarray。
参数说明：
start 起始值，默认为0
stop 终止值（不包含）
step 步长，默认为1
dtype 返回ndarray的数据类型，如果没有提供，则会使用输入数据的类型。

案例：

import numpy as np
a = np.arange(10,20,2)
print(a)

结果：

C:\ProgramData\miniconda3\python.exe E:\pythonProject\test.py 
[10 12 14 16 18]

数组切片

ndarray对象的内容可以通过索引或切片来访问和修改，与 Python 中 list 的切片操作一样。
ndarray 数组可以基于 0 - n 的下标进行索引，切片对象可以通过内置的 slice 函数，并设置 start, stop 及 step 参数进行，从原数组中切割出一个新数组。

mport numpy as np
 
a = np.arange(10)  
b = a[2:7:2]   # 从索引 2 开始到索引 7 停止，间隔为 2
print(b)
输出结果为：

[2  4  6]